PocketFlow
Nincs becslés
Ennekhez a modellhez nincs hardverkövetelmény
A modellhez tartozó súlyokat nem tették közzé, így azt semmilyen méretben nem lehet letölteni vagy saját hardveren futtatni. Csak az adattovábbítóján keresztül érhető el, és semmilyen grafikus kártya nem változtat ezen..
Felvételen
Teljes specifikáció
Minden adatok ezen a modellen. A legtöbb leírás arról szól, hogyan volt kiképzve, nem pedig arról, hogyan fut — hasznos háttérinformáció arra vonatkozóan, hogy mennyi munka került bele, és hogyan viszonyul más méretű modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- University of Science and Technology of China (USTC),State Key Laboratory of Cognitive Intelligence,Harvard University
- Szervezet típusa
- Academia,Academia
- Ország
- China, United States of America
- Kiadva
- 29 September 2024
- Szerzők
- Zaixi Zhang, Marinka Zitnik, Qi Liu
Mit csinál
A modell által épített probléma területek. Egy modell több különbözőt is tartalmazhat.
- Irányítószám
- Biology
- Feladat
- Protein design, Drug discovery
Méret
Mekkora a modell és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek meghatározzák, hogy illeszkedik-e egy adott grafikus kártyára.
- Képzési adatok
- tokens
- Epókák
- 20
CrossDocked: 100,000 complexes × (100 residues + 50 atoms) = 15,000,000 MOAD: 40,000 pairs × (100 residues + 50 atoms) = 6,000,000 Total: 15,000,000 + 6,000,000 = 21,000,000 datapoints = 2.1 × 10⁷
Képzés számítás
A modell betanításához végzett aritmetikai műveletek, amelyet lebegőpontos műveletekben mérnek. Ez a tréning futásának költségét méri, nem azt, hogy mennyire gyorsan válaszol a kész modell.
- Hogyan jött létre
- Hardware
A képzési futam
A kiképzéshez fizikailag szükséges volt: milyen chipek, hány, meddig és mennyi áramot vett le a hálózatról.
- Képzési hardver
- NVIDIA A100
- Chips used
- 1
- Energiafogyasztás
- 433 W
Hogyan van besorolva
Címkék, amelyeket a forráshalmaz alkalmaz, amikor figyelemmel kíséri a figyelemre méltó modelleket, és mennyire biztos a bejegyzésben.
- Rögzítési bizalom
- Likely
Források
Honnan származik ez a rekord és mikor ellenőrizték utoljára.
- Referencia
- Generalized Protein Pocket Generation with Prior-Informed Flow Matching
- Utoljára frissítve
- 28 November 2025
Mit jelentek a számok
Background
PocketFlow was published by University of Science and Technology of China (USTC),State Key Laboratory of Cognitive Intelligence,Harvard University, in China, in September 2024. The organisation is categorised as academia,Academia.
It works in Biology, and is recorded as doing protein design, Drug discovery.
Súlyait soha nem publikálták, így csak a szolgáltatóján keresztül érhető el. Nincs grafikus kártya, amely ezt megváltoztatja.
Válaszok
PocketFlow — Gyakran ismételt kérdések
What is PocketFlow used for?
PocketFlow works in Biology, and is recorded as handling protein design, Drug discovery. These are the areas it was designed around; they describe intent rather than a hard boundary.
What GPU do I need to run PocketFlow?
None. PocketFlow is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is PocketFlow open source?
The licensing for PocketFlow was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does PocketFlow have?
No parameter count has been published for PocketFlow, which is why no memory or speed figure appears on this page.
Who created PocketFlow?
PocketFlow was published by University of Science and Technology of China (USTC),State Key Laboratory of Cognitive Intelligence,Harvard University, based in China, categorised as academia,Academia.
When was PocketFlow released?
PocketFlow was published in September 2024. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már rendelkezik egy kártyával és szeretné tudni, hogy minden mit fog futtatni, kérjük, folytassa., kezdje a hardverrel inkább.